แท็ก

#Jev

21 บทความ

IBM ปล่อย Granite Switch 4.1 (8B/30B, Apache-2.0): รวมแชต, decision adapter, ตัวตรวจความปลอดภัย และ ASR ไว้ใน endpoint เดียวด้วย aLoRA ที่ใช้ KV cache ร่วมกัน — ท้าชน Jev แต่คะแนน Decision Index ยังอยู่ที่ 42.9/50.1
โมเดลใหม่

IBM ปล่อย Granite Switch 4.1 (8B/30B, Apache-2.0): รวมแชต, decision adapter, ตัวตรวจความปลอดภัย และ ASR ไว้ใน endpoint เดียวด้วย aLoRA ที่ใช้ KV cache ร่วมกัน — ท้าชน Jev แต่คะแนน Decision Index ยังอยู่ที่ 42.9/50.1

IBM ปล่อย Granite Switch 4.1 ขนาด 8B และ 30B (Apache-2.0) เมื่อ 14–15 ต.ค. 2026 เป็นโมเดลที่ประกอบ Granite 4.1 เข้ากับ activated LoRA สำหรับงานตัดสินใจและตรวจความปลอดภัย และฝังตัวถอดเสียง Granite Speech 5.0 TurboCTC ไว้ใน endpoint เดียว โดยใช้ VRAM ใกล้เคียงโมเดลฐาน IBM อ้างว่า Guardian adapter ชนะ Jev 1.13 ในงานด้านความปลอดภัย แต่คะแนน Decision Index ของ decision adapter อยู่ที่ 42.9 (8B) และ 50.1 (30B) และ ASR ยังไม่ได้เทรนร่วมกับ LLM

· อ่าน 4 นาที
TypeSafe ปล่อย Jev 1.14 พร้อมฟีเจอร์ "Danger Zone": เปิดรับภาพ, เพิ่มคำถามแบบ Box ที่ตอบเป็น bounding box และขยาย context จาก 64k เป็น 262k ผ่าน header — แต่คะแนนภายในขยับจาก 1.13 แค่ 58.9 → 60.0
โมเดลใหม่

TypeSafe ปล่อย Jev 1.14 พร้อมฟีเจอร์ "Danger Zone": เปิดรับภาพ, เพิ่มคำถามแบบ Box ที่ตอบเป็น bounding box และขยาย context จาก 64k เป็น 262k ผ่าน header — แต่คะแนนภายในขยับจาก 1.13 แค่ 58.9 → 60.0

TypeSafe ออก Jev 1.14 เมื่อ 14 ต.ค. เป็นรุ่นที่ปรับเล็กน้อยทุกด้าน โดยเน้นงานหลายภาษา และเปิดฟีเจอร์ทดลองผ่าน header 'TypeSafe-Danger-Zone' ได้แก่ การส่งภาพ (ซึ่ง Jev 1.13 รับได้มาตั้งแต่แรก), คำถามแบบ box ที่ตอบเป็นกรอบสี่ด้าน และ context 262k จากเดิม 64k ส่วน jev-latest จะชี้ไปที่ 1.14 ภายในหนึ่งสัปดาห์

· อ่าน 4 นาที
Nace.AI ปล่อย Drex 1.5 decision model ขนาด 9B ที่ทำคะแนนสูสี Jev บน GPU ตัวเดียว แต่ไลเซนส์น้ำหนักห้ามบริษัทที่มีรายได้หรือระดมทุนเกิน $1M ใช้เชิงพาณิชย์
โมเดลใหม่

Nace.AI ปล่อย Drex 1.5 decision model ขนาด 9B ที่ทำคะแนนสูสี Jev บน GPU ตัวเดียว แต่ไลเซนส์น้ำหนักห้ามบริษัทที่มีรายได้หรือระดมทุนเกิน $1M ใช้เชิงพาณิชย์

9–10 ต.ค. 2026 Nace.AI เปิดน้ำหนัก Drex v1.5 decision model 8.95B (ฐาน MiMo-V2.6-Distill-Qwen-9B) ที่ Nace รันเองได้ 58.08 บน Decision Index 0.3.1 ชุด public สูสี Jev ของ TypeSafe (57.96) ใช้ API แบบ /v1/systemone เดียวกัน และรันบน llama.cpp/Ollama ได้ แต่ไลเซนส์ Open RAIL-M ฉบับดัดแปลงห้ามบริษัทที่มีรายได้หรือเงินระดมทุนเกิน $1M และบริษัทที่ทำ decision model แข่ง ใช้เชิงพาณิชย์โดยไม่ซื้อไลเซนส์แยก

· อ่าน 5 นาที
llama.cpp กับ SGLang รองรับ decision model แล้ว: llama.cpp เพิ่ม /v1/systemone พร้อม 5 โมเดลตั้งแต่ 144M ถึง 27B (ตามด้วย Nimble และ Clef) ส่วน SGLang 0.5.21 ใช้ /v1/decisions เปลี่ยน chat model ตัวไหนก็ได้ให้เป็นตัวจำแนก
เครื่องมือนักพัฒนา

llama.cpp กับ SGLang รองรับ decision model แล้ว: llama.cpp เพิ่ม /v1/systemone พร้อม 5 โมเดลตั้งแต่ 144M ถึง 27B (ตามด้วย Nimble และ Clef) ส่วน SGLang 0.5.21 ใช้ /v1/decisions เปลี่ยน chat model ตัวไหนก็ได้ให้เป็นตัวจำแนก

2 ต.ค. 2026 llama.cpp merge endpoint /v1/systemone ซึ่งใช้รูปแบบ System One เดียวกับ Jev ของ TypeSafe มี GGUF ให้ 5 ตัว (Julia-1, Laya, Kev-4B, lev, OpenJev) และ Clef ตามมาบน master ในวันที่ 3 ต.ค. วันเดียวกัน SGLang v0.5.21 ออก /v1/decisions ที่อ่านความน่าจะเป็นของคำตอบจาก chat model ทั่วไปได้โดยตรง พร้อม route /v1/systemone ที่เข้ากันได้กับ SDK ของ TypeSafe

· อ่าน 6 นาที
Perplexity เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API ราคา $0.04 ต่อล้านโทเคน พร้อมปล่อยน้ำหนัก pplx-decider-v1-27b แบบ Apache-2.0 ค่าเฉลี่ย 11 ชุดทดสอบแซง Jev 85.71 ต่อ 84.51 แต่แพ้ 6 ใน 11 ชุด
โมเดลใหม่

Perplexity เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API ราคา $0.04 ต่อล้านโทเคน พร้อมปล่อยน้ำหนัก pplx-decider-v1-27b แบบ Apache-2.0 ค่าเฉลี่ย 11 ชุดทดสอบแซง Jev 85.71 ต่อ 84.51 แต่แพ้ 6 ใน 11 ชุด

Perplexity ปล่อย pplx-decider-v1-27b บน Hugging Face เมื่อ 1 ต.ค. (เวลา UTC) เป็นโมเดลตัดสินใจที่ fine-tune จาก Qwen3.8-27B ภายใต้ Apache-2.0 พร้อมโค้ดฝึกแบบ MIT และเปิด Decisions API ราคา $0.04 ต่อล้านโทเคนขาเข้า ขาออกฟรี ค่าเฉลี่ย 11 ชุดทดสอบได้ 85.71% เทียบกับ 84.51% ของ Jev แต่ชนะได้เพราะสองชุดเป็นหลัก ส่วน JevBench hard ยังต่ำกว่าโมเดลฐานเสียอีก

· อ่าน 5 นาที
Cloudflare เปิดตัว Clef กับ Clef-flash เป็น decision model แบบ open-weight (Apache-2.0) ที่ต่อยอดจาก Qwen3.8-27B และ Qwen3.5-9B ใช้ API เดียวกับ Jev รับภาพได้ และนำ Jev ในตารางของ Cloudflare เอง
โมเดลใหม่

Cloudflare เปิดตัว Clef กับ Clef-flash เป็น decision model แบบ open-weight (Apache-2.0) ที่ต่อยอดจาก Qwen3.8-27B และ Qwen3.5-9B ใช้ API เดียวกับ Jev รับภาพได้ และนำ Jev ในตารางของ Cloudflare เอง

1 ต.ค. 2026 Cloudflare ปล่อย Clef (27B) และ Clef-flash (9B) ซึ่งเป็น decision model ที่ตอบเป็นความน่าจะเป็นของตัวเลือกใน schema ภายใน forward pass เดียว ใช้ API แทน Jev ได้ทันที รับภาพและวิดีโอได้ มีให้ใช้บน Workers AI และโหลดน้ำหนักจาก Hugging Face ได้ภายใต้ Apache-2.0 พร้อมเปิดบริการ fine-tune ด้วย RL

· อ่าน 5 นาที
Pi 0.99 กลับลำ รองรับ MCP ในตัวหลังเคยประกาศว่าจะไม่ทำ — tool จาก MCP ถูกซ่อนหลัง "Codemode" sandbox JavaScript ที่โมเดลเขียนสคริปต์เรียก tool ขนานกันได้ ไม่ต้องยัด tool ทั้งหมดลง context
เครื่องมือนักพัฒนา

Pi 0.99 กลับลำ รองรับ MCP ในตัวหลังเคยประกาศว่าจะไม่ทำ — tool จาก MCP ถูกซ่อนหลัง "Codemode" sandbox JavaScript ที่โมเดลเขียนสคริปต์เรียก tool ขนานกันได้ ไม่ต้องยัด tool ทั้งหมดลง context

29 ก.ย. 2026 Earendil ปล่อย Pi 0.99 ที่รองรับ MCP เป็นฟีเจอร์ในตัว ทั้งที่ pi.dev เคยประกาศชัดว่าไม่รองรับ แต่ไม่ได้เอา tool ไปวางให้โมเดลเห็นตรง ๆ ค่าเริ่มต้นคือซ่อนไว้หลัง Codemode ซึ่งเป็น sandbox QuickJS ที่โมเดลเขียน JavaScript ค้นหาและเรียก tool เอง ส่วน 0.99.2 ที่ออกวันถัดมาก็เลิกให้เซิร์ฟเวอร์ MCP บล็อก prompt แรกแล้ว

· อ่าน 5 นาที
OpenAI เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API บน GPT-6 Luna ตอบจากตัวเลือกที่กำหนดพร้อม confidence ใน 150 ms (Luna ปกติ 1.6 วินาที) แต่ยังเป็น limited preview ไม่มีราคาและไม่มีเอกสาร
เครื่องมือนักพัฒนา

OpenAI เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API บน GPT-6 Luna ตอบจากตัวเลือกที่กำหนดพร้อม confidence ใน 150 ms (Luna ปกติ 1.6 วินาที) แต่ยังเป็น limited preview ไม่มีราคาและไม่มีเอกสาร

ในงาน DevDay 29 ก.ย. OpenAI เปิด Decisions API แบบ limited preview ให้นักพัฒนากำหนดคำถาม ตัวเลือกคำตอบ และ context (ข้อความหรือภาพ) แล้วให้ GPT-6 Luna เลือกคำตอบพร้อม confidence OpenAI บอก The New Stack ว่าตอบใน 150 ms เทียบกับ 1.6 วินาทีของ Luna ผ่าน API ปกติ ใช้จัดหมวดเนื้อหา route คำขอ หรือเลือก action ถัดไปของเอเจนต์ แต่ยังไม่ประกาศราคา จำนวนตัวเลือกสูงสุด หรือ schema ของคำขอ

· อ่าน 4 นาที
PostHog ปล่อย Jeeves — โมเดลตัดสินใจแบบ Jev ขนาด 9B ที่คิดก่อนตอบ ได้ 0.935 บน JevBench สาธารณะ (Jev 0.866) แต่ต้องแลกกับ latency 3.3 วินาที
โมเดลใหม่

PostHog ปล่อย Jeeves — โมเดลตัดสินใจแบบ Jev ขนาด 9B ที่คิดก่อนตอบ ได้ 0.935 บน JevBench สาธารณะ (Jev 0.866) แต่ต้องแลกกับ latency 3.3 วินาที

PostHog เปิด Jeeves เมื่อ 29 ก.ย. เป็นโมเดลตัดสินใจขนาด 9B บน Qwen3.5-9B ที่เขียน reasoning ก่อนคืนความน่าจะเป็น เทรนด้วย SFT และ CISPO มี diffusion drafter ช่วยเร่ง ได้ 0.889 บนชุด test นอกโดเมน (Jev 0.857) และ 0.865 บน JevBench hard (Jev 0.730) แต่ยังแพ้ Jev ในคำถามเชิงความรู้ และ latency มัธยฐานเพิ่มจาก 0.3 เป็น 3.3 วินาที

· อ่าน 4 นาที
Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล
โมเดลใหม่

Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล

โปรเจกต์อิสระ Jeff ปล่อยโมเดลตัดสินใจแบบ zero-shot สามตัว (Qwen3.5-0.8B, Qwen3.5-2B และ Gemma 4 E2B) ใช้รูปแบบคำขอเดียวกับ Jev เทรนทั้งหมดบน RTX PRO 6000 ตัวเดียวด้วยข้อมูลสังเคราะห์จากโมเดลเปิด รุ่น 0.8B ตัดสินใจใน 22 ms บน GPU และ 28 ms บน M4 Max น้ำหนัก Apache-2.0 โค้ด MIT

· อ่าน 4 นาที
Ollama 0.35 รองรับโมเดลตัดสินใจอย่างเป็นทางการ — เพิ่ม endpoint /v1/systemone ตาม API ของ Jev พร้อม Nimble 9B และ Tev1 4B/0.8B ของ Together AI ให้ pull ได้ทันที
เครื่องมือนักพัฒนา

Ollama 0.35 รองรับโมเดลตัดสินใจอย่างเป็นทางการ — เพิ่ม endpoint /v1/systemone ตาม API ของ Jev พร้อม Nimble 9B และ Tev1 4B/0.8B ของ Together AI ให้ pull ได้ทันที

28 ก.ย. Ollama ปล่อย v0.35.0 (ยังติดป้าย pre-release) ที่เพิ่ม endpoint /v1/systemone ตาม API ของ Jev จาก TypeSafe ส่ง state กับคำถามเข้าไปแล้วได้ตัวเลือกพร้อมความน่าจะเป็นกลับมา มีโมเดลให้ pull สองตระกูล คือ Nimble 9B ของ Bespoke Labs และ Tev1 4B/0.8B ของ Together AI และใช้ Python SDK ของ TypeSafe ชี้มาที่ localhost ได้เลย

· อ่าน 4 นาที
InternLM ปล่อย Intern-Decision — โมเดลตัดสินใจแบบเปิดตัวแรกที่ค่าเฉลี่ยแซง Jev (90.02 ต่อ 88.74) ขนาด 4B รับภาพได้ Apache-2.0 แต่ยังแพ้ Jev ชัดเรื่องกันเจลเบรก
โมเดลใหม่

InternLM ปล่อย Intern-Decision — โมเดลตัดสินใจแบบเปิดตัวแรกที่ค่าเฉลี่ยแซง Jev (90.02 ต่อ 88.74) ขนาด 4B รับภาพได้ Apache-2.0 แต่ยังแพ้ Jev ชัดเรื่องกันเจลเบรก

InternLM ปล่อย Intern-Decision ขนาด 0.8B, 2B และ 4B บน Hugging Face เมื่อ 26 ก.ย. เป็นโมเดลตัดสินใจแบบหลายคำถามในการ forward ครั้งเดียว รับภาพได้ ต่อยอดจาก Qwen3.5 รุ่น 4B ได้ค่าเฉลี่ย 7 ชุดทดสอบ 90.02% เทียบกับ 88.74% ของ Jev และตอบใน 44 ms บน RTX 4090 แต่ชนะส่วนใหญ่จาก Typed Decision กับ ToolACE ขณะที่ WildJailBreak ยังแพ้ Jev 6.4 จุด

· อ่าน 4 นาที
ไม่ต้องเทรนโมเดลตัดสินใจใหม่: Privatemode ใช้ GLM-5.3-Flash ตอบแบบ typed ด้วยโทเคนเดียวผ่าน logprobs ของ vLLM — ความแม่นยำไม่ต่างจาก Jev อย่างมีนัยสำคัญ อ่านภาพได้ด้วย แต่แพงกว่าราว 4 เท่า
เครื่องมือนักพัฒนา

ไม่ต้องเทรนโมเดลตัดสินใจใหม่: Privatemode ใช้ GLM-5.3-Flash ตอบแบบ typed ด้วยโทเคนเดียวผ่าน logprobs ของ vLLM — ความแม่นยำไม่ต่างจาก Jev อย่างมีนัยสำคัญ อ่านภาพได้ด้วย แต่แพงกว่าราว 4 เท่า

ทีม Privatemode ของ Edgeless Systems เผยแพร่เทคนิคและไลบรารี MIT ที่ทำให้ GLM-5.3-Flash ทำงานแบบโมเดลตัดสินใจอย่าง Jev ได้โดยไม่ต้อง fine-tune วิธีคือใส่หมายเลขให้ตัวเลือก เติมคำตอบไว้ล่วงหน้า แล้วอ่าน logprob ของโทเคนเดียว บน 28 ชุดข้อมูลแม่นเท่า Jev ในเชิงสถิติ (p = 0.64) และตอบคำถามที่มีภาพได้ แต่ต้นทุนราว €62 ต่อล้านครั้ง เทียบกับ €16 ของ Jev

· อ่าน 5 นาที
Ollaya — "Ollama สำหรับโมเดลตัดสินใจ" รัน Laya, Kev, Qwen3Guard ในเครื่องผ่าน API เดียวกับ TypeSafe ตอบใน 8–10 ms บน RTX 4090 พร้อม MCP server และ preset ตรวจคำสั่งของ agent
เครื่องมือนักพัฒนา

Ollaya — "Ollama สำหรับโมเดลตัดสินใจ" รัน Laya, Kev, Qwen3Guard ในเครื่องผ่าน API เดียวกับ TypeSafe ตอบใน 8–10 ms บน RTX 4090 พร้อม MCP server และ preset ตรวจคำสั่งของ agent

Ollaya เป็นเครื่องมือโอเพนซอร์ส Apache-2.0 ที่ดึงและเสิร์ฟโมเดลตัดสินใจแบบไม่สร้างข้อความ เช่น Laya, Kev, Von และ Qwen3Guard ในเครื่อง ด้วยคำสั่งแบบ Ollama และ API ที่ใช้แทน TypeSafe Jev ได้โดยเปลี่ยน environment variable ตัวเดียว ขึ้นหน้าแรก Hacker News 473 คะแนน และออก 5 เวอร์ชันใน 24 ชั่วโมง ส่วน Pydantic AI 2.50 ก็เพิ่มคลาส DecisionModel รองรับโมเดลประเภทนี้แล้ว

· อ่าน 4 นาที
CLM-8B: โมเดลตัดสินใจแบบ System One ที่ไม่ generate สักโทเคน — ใช้ contrastive embedding บน Qwen3-8B กับหัวเทรนได้ 75MB เร็วกว่า Jev สูงสุด 9 เท่า เปิด Apache-2.0
โมเดลใหม่

CLM-8B: โมเดลตัดสินใจแบบ System One ที่ไม่ generate สักโทเคน — ใช้ contrastive embedding บน Qwen3-8B กับหัวเทรนได้ 75MB เร็วกว่า Jev สูงสุด 9 เท่า เปิด Apache-2.0

Contrastive-LM ปล่อย CLM-8B โมเดลตัดสินใจที่ใช้ API แบบเดียวกับ Jev ของ TypeSafe แต่ไม่ generate ข้อความเลย ใช้ Qwen3-8B แบบ frozen เป็น encoder แล้วต่อหัว projection 20M พารามิเตอร์ที่เทรนด้วย contrastive loss ให้คะแนนตัวเลือกด้วยความใกล้กันของ embedding ตัวเลขของผู้พัฒนาเองบอกว่าเร็วกว่า Jev 1.6–9 เท่า ความแม่นใกล้เคียงกันเกือบทุกงาน และเมื่อไฟน์จูนเป็น verifier ได้ 81.6% บน DeepSWE แต่วัดบนชุดทดสอบเพียง 30–38 งาน

· อ่าน 5 นาที
Kev — โมเดลตัดสินใจแบบ Jev ฉบับเปิด Apache-2.0 ขนาด 0.8B/4B/9B บน Qwen3.5 ใช้ API เดียวกับ TypeSafe ได้เลย แต่ Kev-9B ยังตาม Jev อยู่ 3.5 จุด
โมเดลใหม่

Kev — โมเดลตัดสินใจแบบ Jev ฉบับเปิด Apache-2.0 ขนาด 0.8B/4B/9B บน Qwen3.5 ใช้ API เดียวกับ TypeSafe ได้เลย แต่ Kev-9B ยังตาม Jev อยู่ 3.5 จุด

หนึ่งสัปดาห์หลัง TypeSafe เปิด Jev แบบ waitlist Jared Palmer ปล่อย Kev ตระกูลโมเดลตัดสินใจขนาด 0.8B, 4B และ 9B บน Qwen3.5 เป็น Apache-2.0 พร้อมโค้ดเทรนและชุดทดสอบที่ freeze ไว้ ตอบคำถาม yes/no, choice และ score พร้อมความน่าจะเป็นผ่าน endpoint ที่เข้ากับ SDK ของ TypeSafe ได้ทันที ตัวเลขของเขาเองบอกว่า Kev-9B ยังตาม Jev อยู่ 3.5 จุดบนข้อมูลชุดใหม่ และห่างมากในคำถามเชิงความรู้

· อ่าน 6 นาที
Cua ปล่อย cua-s1-forms: โมเดล computer-use 706,048 พารามิเตอร์ ไฟล์ 2.8 MB ที่ทำงานกรอกฟอร์มชนะ Jev API 99.7% ต่อ 83.6%
โมเดลใหม่

Cua ปล่อย cua-s1-forms: โมเดล computer-use 706,048 พารามิเตอร์ ไฟล์ 2.8 MB ที่ทำงานกรอกฟอร์มชนะ Jev API 99.7% ต่อ 83.6%

18–19 ก.ย. 2026 ทีม Cua (trycua/cua, 24.4k ดาว) ปล่อยโค้ดและเช็กพอยต์ cua-s1-forms — โมเดล System One ขนาด 706,048 พารามิเตอร์ ไฟล์ 2.8 MB ภายใต้ MIT ที่ไม่ generate ข้อความเลย แต่ให้ความน่าจะเป็นต่อหนึ่งตัวเลือกในหนึ่ง forward pass สำหรับงานกรอกฟอร์มบนหน้าจอ และบนงานเดียวกันมันทำได้ 99.7% เทียบกับ Jev API ที่โฮสต์อยู่ 83.6%

· อ่าน 8 นาที
Bespoke Nimble: สูตรเปิดทั้งชุดสำหรับทำ Jev เอง — 66.4% → 90.1% ด้วยข้อมูล 2,676 แถวที่สร้างจากการแก้ข้อเท็จจริงทีละคำให้คำตอบพลิก
โมเดลใหม่

Bespoke Nimble: สูตรเปิดทั้งชุดสำหรับทำ Jev เอง — 66.4% → 90.1% ด้วยข้อมูล 2,676 แถวที่สร้างจากการแก้ข้อเท็จจริงทีละคำให้คำตอบพลิก

18 ก.ย. Bespoke Labs ปล่อย Bespoke-Nimble-9B — LoRA adapter ขนาด 165 MiB บน Qwen3.5-9B ใต้ Apache-2.0 พร้อมสูตรทำข้อมูลที่เรียกว่า contrastive data curation ผลบน 324 ตัวอย่าง held-out คือ 90.1% เทียบกับ 66.4% ของ base และ 93.2% ของ Jev 1.13.0 — และทีมประกาศเองว่าไม่ได้ distill จาก Jev

· อ่าน 7 นาที
Laya: โมเดลตัดสินใจ System 1 ขนาด 421M ใต้ Apache-2.0 — และตัวเลขภาษาไทยคือแถวที่กระโดดแรงที่สุดในตาราง 0.080 → 0.480
โมเดลใหม่

Laya: โมเดลตัดสินใจ System 1 ขนาด 421M ใต้ Apache-2.0 — และตัวเลขภาษาไทยคือแถวที่กระโดดแรงที่สุดในตาราง 0.080 → 0.480

18–19 ก.ย. Convai Innovations ปล่อย Laya สามเช็กพอยต์ใต้ Apache-2.0 — โมเดลตัดสินใจแบบไม่สร้างข้อความ ขนาด 421M/322M บน ModernBERT กับ mmBERT ตอบคำถามแบบมีชนิดพร้อมความน่าจะเป็นใน forward pass เดียว 32.8 มิลลิวินาที และในตาราง 51 ภาษา แถวที่ได้ประโยชน์จากการ route มากที่สุดคือภาษาไทย จาก 0.080 เป็น 0.480

· อ่าน 8 นาที
หนึ่งวันหลัง TypeSafe เปิด Jev ก็มีคนทำ Jevlike ออกมาแจกฟรีใต้ MIT — สถาปัตยกรรม one-pass option scoring ที่เปิดโค้ดทั้งหมด พร้อมเดโม Doom กับหมากรุก และคำสารภาพว่ายังไม่ได้พิสูจน์ว่าเทียบเท่า
โมเดลใหม่

หนึ่งวันหลัง TypeSafe เปิด Jev ก็มีคนทำ Jevlike ออกมาแจกฟรีใต้ MIT — สถาปัตยกรรม one-pass option scoring ที่เปิดโค้ดทั้งหมด พร้อมเดโม Doom กับหมากรุก และคำสารภาพว่ายังไม่ได้พิสูจน์ว่าเทียบเท่า

16 ก.ย. หนึ่งวันหลัง TypeSafe AI เปิดตัว Jev แบบ waitlist ไม่บอกสถาปัตยกรรม มีนักพัฒนาปล่อย repo ชื่อ jevlike ใต้ MIT ที่ทำ input/output shape เดียวกัน — รับ context กับรายการตัวเลือกที่เปลี่ยนได้ แล้วคืนความน่าจะเป็นของทุกตัวเลือกใน pass เดียว พร้อมเดโมเล่น Doom และหมากรุก โดยระบุเองชัดเจนว่า 'ไม่ได้แสดงว่าคุณภาพเท่า Jev'

· อ่าน 7 นาที
TypeSafe AI เปิด Jev — โมเดลที่ยอมทิ้งความสามารถในการสร้างสตริง เพื่อคืนแต่ decision แบบ typed พร้อมความน่าจะเป็น อ้าง 193.6x เร็วกว่า 444.6x ถูกกว่า
โมเดลใหม่

TypeSafe AI เปิด Jev — โมเดลที่ยอมทิ้งความสามารถในการสร้างสตริง เพื่อคืนแต่ decision แบบ typed พร้อมความน่าจะเป็น อ้าง 193.6x เร็วกว่า 444.6x ถูกกว่า

15 ก.ย. TypeSafe AI ของ Diogo Almeida (อดีต OpenAI) ออกจาก stealth 2 ปี เปิดโมเดลคลาสใหม่ชื่อ System One Models และโมเดลตัวแรก Jev — ไม่สร้างข้อความ คืนเฉพาะค่าตาม schema ที่กำหนดล่วงหน้าพร้อมความน่าจะเป็นที่ calibrate แล้ว สุ่มแบบขนานในครั้งเดียว ตอบใน 70–500ms ราคาขาเข้า $0.042 ต่อล้านโทเคน ขาออกฟรี แต่ยังเป็น waitlist ไม่เปิดเบนช์มาร์กสาธารณะ ไม่บอกขนาดโมเดล และเบนช์มาร์กทั้งหมดเป็นของตัวเอง

· อ่าน 8 นาที